基于小波变换的自适应模糊阈值去噪算法

文章提出了一种适合于消除混合噪声的去噪算法——自适应模糊阈值去噪算法。该算法根据信号和噪声的小波系数在不同分解尺度上的传递性,结合中值滤波和模糊理论,自适应地进行软阈值滤波,然后进行小波重构,得到去噪图像。实验表明,与软阈值去噪和改进软阈值去噪算法相比,该算法具有良好而稳健的去噪效果,能够更有效地去除噪声和保持图像边缘细节。     

新小波阈值函数在医学图像去噪中的应用

为了提高小波阈值去噪算法中的软阈值和硬阈值以及已有改进阈值函数存在的不足,提出了新的分层阈值函数的方法。该算法首先对噪声图像进行分解,从而得出小波系数。然后用改进的阈值函数对高频部分系数进行分层阈值处理。最后根据所得估计的小波系数在小波基的条件下,对图像进行重构,得到去噪后图像。该阈值函数具有优良的数学特性,通过对医学图像仿真实验结果表明,该算法去噪的效果无论是在视觉效果上,还是在均方差和信噪比性能分析上均优于常用的阈值函数,所以该算法在解决实际去噪问题中值得推广与应用。     

基于提升小波MRI图像自适应阈值去噪算法

分析了小波的消失矩特性对图像重构误差的影响,提出了利用提升算法提高双正交小波消失矩的改进算法。通过提升算法对传统小波提高消失矩,改善了小波的性能,使小波具有更好的振荡性,能够更好地捕捉图像的细节,从而提高了重构信号的精确度。根据磁共振图像的特点及其噪声的分布特性,提出了一种对小波系数进行分块处理的阈值去噪方法。通过对分解后每个层次上的各高频系数矩阵分为多个子矩阵分别进行不同阈值的选取,实现在不同的对比度区域选取不同的阈值的目的,从而使阈值的选取更具有自适应性。     

一种新的提升小波自适应阈值图像去噪算法

利用小波变换方法对图像进行去噪处理是小波理论在图像处理中的一个重要应用.针对传统的去噪算法对信号和噪声在不同的分解层的传播特性缺乏有效分析这一不足,文中介绍了提升方法的基本原理,给出了用提升原理构造传统小波的实现方法,并将 Daubechies(9/7)提升格式小波应用到二维图像去噪过程中,提出了一种对小波分解后各个层次上的水平、垂直、对角方向上的高频系数矩阵进行分块处理的自适应阈值去噪方法.通过与传统算法对比,文中方法计算简单,运算速度快,去噪效果较好.     

基于正交小波变换的信号降噪算法研究

提出了一种基于正交小波变换的信号降噪方法,深入研究了小波变换中的信号分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以取得较好的去噪效果。     

基于小波分析的阈值降噪算法研究

小波变换的阈值消噪方法是利用小波交换技术对含噪图像进行分解和重构,对小波分解后的各层系数模大于和小于某阈值的系数分别进行处理,然后利用处理后的小波系数重构出消噪后的图像。分析了小波消噪的算法和实现步骤,并基于Matlab软件平台编写仿真程序,消噪效果良好。     

一种基于小波包变换的图像去噪算法

根据信号和噪声的小波系数在不同分解尺度上的分布不同,结合模糊理论和小波包分解,提出一种消除图像噪声的算法——模糊小波包去噪算法。该算法对小波包解后的高频系数,不同方向的系数采用不同的滤波方法。实验证明,与软阈值去噪算法和小波包阈值去噪算法相比,该算法能更有效地去除噪声和保持图像边缘细节。     

基于双局部阈值小波收缩的图像去噪算法

提出了一种基于双局部阈值的小波收缩的图像去噪算法。该算法利用小波系数的幅值、空间特性以及对噪声图像的分割,得到两个局部阈值：幅度阈值和空间阈值。利用这两个局部阈值（每个区域阈值不同）对小波系数做相应的“收缩”处理和重构,从而得到一个优质的去噪图像。该算法计算简单速度快,去噪效果明显,优于其他一些去噪算法。     

基于均值滤波和小波变换的图像去噪技术研究

采用均值滤波和小波变换相结合的图像去噪方法是先将含噪图像进行小波分解,在小波域中,选取适当的阈值对小波系数进行处理,然后对图像信号进行局部重构至第一层,并采用不同的模板对第一层的各细节子图像进行均值滤波,最后将低频近似图像与均值滤波后高频细节图像合成得到去噪后的图像。这种方法与全局Donoho软、硬阈值小波去噪方法和Birge-Massart策略软、硬阈值小波去噪方法相比,其去噪效果更为明显。它在降低了图像的噪声的同时,又尽可能地保留图像的细节,且图像更加平滑。仿真实验证明,该方法是一种有效的图像去噪方法。     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

基于图象分割的空间自适应冗余小波降噪方法

提出了一种基于图象分割的空间自适应冗余小波图象降噪方法。标准的正交小波降噪方法通过对图象的小波系数进行阈值操作来达到降噪的目的。但是标准正交小波降噪方法由于缺少平移不变性和采用全局的阈值使降噪效果受到影响。为此引入冗余小波变换和空间自适应阈值的思想,文章中讨论了这种降噪技术的理论基础和技术细节。实验结果显示这种方法在性能上要大大优于标准正交小波降噪方法。     

基于改进小波阈值法的图像去噪算法

图像去噪是图像处理中最基本、最重要的前期工作,本文提出一种基于衰减法的Garrote阈值函数,并将基于该改进阈值函数的小波阈值法用于图像去噪过程,最后通过MATLAB仿真实验验证了本文所提出算法的有效性.本文在分析小波阈值法对图像去噪效果影响的基础上,针对该去噪算法在去除噪声的同时也损失了一定量的图像细节信息的问题,改进了传统阈值函数未考虑阈值以下的小波系数可能含有图像细节信息而对阈值以下小波系数盲目置零的缺点,对Garrote阈值函数阈值以下的小波系数采取衰减方法,以保留更多的图像细节信息,并加入三个调整因子以提高其性能和灵活度,实验表明本文提出的改进小波阈值去噪算法能够有效地去除噪声,且能够保留大量的图像边缘及细节信息.     

基于小波的JPEG2000图像压缩及消噪

阐述了JPEG2000图像压缩的实现过程，对其中的关键技术做了详细描述，并给出了在噪声环境下的试验结果。针对此过程，提出了一种基于小渡的消噪：采用二次平方损失函数，通过对待分析图像进行小波变换，在小渡变换域中，把小波系数进行闻值处理，即增强图像的小波系数，减弱或去除噪声的系数。计算机模拟实验结果表明：该方法能有效地消除噪声。     

Adaptive singular value decomposition in wavelet domain for image denoising

Image denoising is an important issue in image preprocessing. Two popular methods to the problem are singular value decomposition (SVD) and wavelet transform. Various denoising algorithms based on these two methods have been independently developed. This paper proposes an approach for image denoising by performing SVD filtering in detail subbands of wavelet domain, where SVD filtering is adaptive to the inhomogeneous nature of natural images. Comparisons were made with respect to both SVD-based filtering methods and wavelet transform-based methods.     

基于小波变换的图像去噪

与传统的傅里叶变换去噪相比，小波能去噪同时保留图像细节特征。针对较好的小波去噪，本文研究了小波阈值去噪的阈值函数选取，阈值大小确定和小波去噪方法。     

一种基于形态学的小波阈值去噪方法

如何选取阈值是小波图像去噪的关键,在图像去噪的同时,还应尽量保留图像的边缘信息,基于这一思想,提出了一种基于形态学的小波去噪算法。用数学形态学算子对图像小波变换后的小波系数进行处理,并结合半-软阈值去噪技术。实验表明,该算法在去噪的同时,很好地保留了图像的边缘信息。     

一种基于图像边缘检测的小波阈值去噪方法

边缘特征是图像最有用的高频信息，因此，在图像去噪的同时，应尽量保留图像的边缘特征。为实现这一想法，提出了一种基于图像边缘检测的小波阈值去噪新方法。该方法在去噪前,先用定位精度高的小尺度LOG算子检测图像的边缘，对检测出的边缘进行均值平滑滤波，以减少边缘图像中的孤立点噪声；进而再对图像边缘和含噪图像分别进行小波分解，根据分解后的小波系数以确定图像的边缘特征和非边缘特征；最后，再对图像边缘对应的小波分解系数进行小阈值处理，而对非边缘的则进行大阈值处理，从而实现了在去噪的同时保留了图像边缘特征的目的。实验结果表明，与普通的小波阈值去噪方法相比，该方法可有效地保持图像的边缘信息，去噪效果则优于前者。     

改进阈值与尺度间相关的小波红外图像去噪

为了更有效地去除红外图像中的噪声, 提出一种基于改进阈值与尺度间相关的小波红外图像去噪方法. 一方面利用阈值修正方案和新阈值函数对通常的小波阈值去噪法进行改进; 另一方面通过对阈值邻近的小波系数进行小波变换尺度间相关性估计, 提高小波系数阈值判断的准确性.实验结果表明, 与通常的小波阈值去噪法相比,该算法能更有效地去除红外图像中的噪声, 获得更高的峰值信噪比(Peak signal-to-noise ratio, PSNR)、边缘保持指数(Edge preserved index, EPI)和更好的视觉效果,具有较好的实用性.     

小波图象去噪综述

小波图象去噪已经成为目前图象去噪的主要方法之一。在对目前小波去噪文献进行理解和综合的基础上，首先通过对小波去噪问题的描述，揭示了小波去噪的数学背景和滤波特性；接着分别阐述了目前常用的3类小波去噪方法，并从小波去噪中常用的小波系数模型、各种小波变换的使用、小波去噪和图象压缩之间的联系，不同噪声场合下的小波去噪等几个方面，对小波图象去噪进行了综述，最后，基于对小波去噪问题的理解，提出了对小波去噪方法的一些展望。